Cerebrospinal fluid immune cells appear similar across neuropathic and non-neuropathic pain conditions
Notice bibliographique
Résumé
<ns4:p> Background Microglia have been implicated in the pathophysiology of neuropathic pain. Here, we sought to investigate whether cerebrospinal fluid (CSF) might be used as a proxy-measure of microglial activation in human participants. Methods We preformed fluorescence-activated cell sorting (FACS) of CSF immune cell populations derived from individuals who experienced pain with neuropathic features. We sorted CD4+, CD8+ T cells and monocytes and analyzed their transcriptome using RNA sequencing. We also performed Cellular Indexing of Transcriptomes and Epitopes (CITE) sequencing to characterize the expression of all CSF immune cells in a patient with postherpetic neuralgia and in a patient with neuropathic pain after failed back surgery. Results Immune cell numbers and phenotypes were not obviously different between individuals regardless of the etiology of their pain. This was true when examining our own dataset, as well as when comparing it to previously published single-cell RNA sequencing data of human CSF. In all instances, CSF monocytes showed expression of myeloid cell markers commonly associated with microglia ( <ns4:italic>P2RY12</ns4:italic> , <ns4:italic>TMEM119</ns4:italic> and <ns4:italic>OLFML3</ns4:italic> ), which will make it difficult to ascertain the origin of CSF proteins: do they derive directly from circulating CSF monocytes or could some originate in spinal cord microglia in the parenchyma? Conclusions We conclude that it will not be straightforward to use CSF as a biomarker for microglial function in humans. </ns4:p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,000 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».